[发明专利]使用车道掩码检测包含于输入图像的车道线的方法及装置

权利要求书

1.一种学习方法，是使用车道掩码检测包含于输入图像的一个以上的车道线的方法，其特征在于，包括：

(a)(i)第一CNN对所述输入图像适用至少一个第一卷积运算生成最终特征图，(ii)使用所述最终特征图生成了分割得分图及嵌入特征图的状态下，学习装置使第二CNN获取所述最终特征图、所述分割得分图及所述嵌入特征图的步骤；

(b)所述学习装置使所述第二CNN的车道掩蔽层(i)参照所述分割得分图及所述嵌入特征图在所述最终特征图上识别对应于包含在所述输入图像的所述车道线的一个以上的车道线后补，(ii)在所述最终特征图上生成对与所述车道线后补对应的一个以上的区域赋予一个以上的加权值的所述车道掩码，(iii)参照所述最终特征图及所述车道掩码生成掩蔽的特征图的步骤；

(c)所述学习装置使所述第二CNN的卷积层对所述掩蔽的特征图适用至少一个第二卷积运算生成车道特征图的步骤；

(d)所述学习装置使所述第二CNN的第一FC层参照所述车道特征图生成柔性最大值得分图，使所述第二CNN的第二FC层参照所述车道特征图生成一个以上的车道参数的步骤；以及

(e)所述学习装置(i)使所述第二CNN的多项逻辑斯蒂损失层参照所述柔性最大值得分图及与其对应的第一GT生成柔性最大值损失值，(ii)使所述第二CNN的直线拟合损失层参照所述车道参数及与其对应的第二GT生成直线拟合损失值，(iii)反向传播所述柔性最大值损失值及所述直线拟合损失值学习包含于所述第二CNN的所述第一FC层、所述第二FC层及所述卷积层中至少一部分的参数的步骤。

2.根据权利要求1所述的学习方法，其特征在于：

在所述(c)步骤中，

所述学习装置使所述第二CNN的所述卷积层对所述掩蔽的特征图适用所述第二卷积运算后进一步地对所述掩蔽的特征图适用至少一个全局池化运算以生成所述车道特征图。

3.根据权利要求1所述的学习方法，其特征在于：

在所述(b)步骤中，

通过按要素相乘(i)对应于包含在所述输入图像的各像素的所述最终特征图上所含的各值及(ii)对应于包含在所述车道掩码的与其对应的值生成所述掩蔽的特征图，

对与所述车道线后补对应的所述掩蔽的特征图的值赋予一个以上的特定加权值。

4.根据权利要求1所述的学习方法，其特征在于：

在所述(a)步骤中，

所述第一CNN为通过(i)增大对应于包含在所述输入图像的各所述车道线中所含的像素的，包含于所述最终特征图的所述值的平均中各个不同类之间的差异的方式或(ii)减小对应于包含在所述输入图像的各所述车道线中所含的像素的，包含于所述最终特征图的各所述值的相同类内部的方差的方式，变换所述最终特征图的值以生成了所述嵌入特征图的状态。

5.根据权利要求1所述的学习方法，其特征在于：

在所述(b)步骤中，

所述学习装置使所述第二CNN的所述车道掩蔽层(i)参照所述分割得分图检测所述车道线后补，(ii)参照所述嵌入特征图对所述车道线后补进行分类以识别所述车道线后补。

6.根据权利要求1所述的学习方法，其特征在于：

在所述(b)步骤中，

所述学习装置使所述第二CNN的所述车道掩蔽层生成对包括与所述车道线后补的分界的距离小于第三临界值的像素的所述区域赋予所述加权值的所述车道掩码。

7.根据权利要求1所述的学习方法，其特征在于：

在所述(e)步骤中，

通过以上数学式算出所述柔性最大值损失值，所述数学式中s是包含于所述输入图像中的所述像素的个数，i是1以上且s以下的整数，l_i是表示第i个像素在与其对应的第一GT上属于哪个聚类的独热编码向量，P(i)表示对应于与所述i个像素对应的柔性最大值得分图中所含的值的向量。